新的10大数据挖掘、机器学习算法
2015-01-18 14:07
274 查看
一、原来的10大算法
2006年,IEEE的数据挖掘会议选出了10大算法:[见点击打开链接]C4.5
k-Means
Support Vector Machines(SVM)
Apriori
Expectation Maximization(EM)
PageRank
AdaBoost
k-Nearest Neighbors(kNN)
Naive Bayes
Classification and Regression Tree(CART)
二、新的10大算法
Linear RegressionLogistic Regression
k_Means
SVMs
Random Forests
Matrix Factorization/SVD
Gradient Boost Decision Trees/Machines
Naive Bayes
Artificial Neural Networks
以下可以任挑一个:Bayesian Networks, Elastic Nets, Any other clustering algo besides k-means, LDA, Conditional Random Fields, HDPs or other Bayesian non-parametric model
参考文献:
What
are the top 10 data mining or machine learning algorithms?
相关文章推荐
- 新的10大数据挖掘、机器学习算法
- 数据挖掘10大算法(1)——PageRank
- \t\t数据挖掘中易犯的10大错误
- 数据挖掘10大算法(思维导图)
- 机器学习&数据挖掘(常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 数据挖掘10大经典算法思维导图
- [数据挖掘与机器学习] 常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 数据挖掘领域的10大挑战问题
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 数据挖掘10大算法的思维导图
- 10大数据挖掘的18个候选算法
- 重要的数据挖掘和机器学习算法
- 数据挖掘10大算法(1)——PageRank
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记(常见面试之机器学习算法思想简单梳理)
- 数据挖掘中易犯的10大错误